一、NoSql核心概念与分类

NoSql（Not Only SQL）数据库的核心在于突破传统关系型数据库的范式约束，以适应海量数据、高并发、灵活数据模型的场景需求。其分类主要基于数据模型与存储结构，常见类型包括：

• 键值存储（Key-Value）：以键值对形式存储数据，如Redis、Riak。其优势在于低延迟的读写操作，适用于缓存、会话管理等场景。例如，Redis通过内存存储与持久化机制，可实现毫秒级响应。
• 文档存储（Document）：以JSON/XML等半结构化格式存储文档，如MongoDB、CouchDB。其灵活性体现在无需预定义表结构，支持动态字段扩展。例如，MongoDB的BSON格式兼容JSON，同时支持索引优化与聚合查询。
• 列族存储（Column-Family）：以列族为单位组织数据，如HBase、Cassandra。其特点在于按列存储，适合稀疏矩阵数据与高吞吐写入场景。例如，HBase基于HDFS实现分布式存储，支持水平扩展与实时查询。
• 图数据库（Graph）：以节点与边关系存储数据，如Neo4j、JanusGraph。其核心价值在于高效处理复杂关系网络，如社交网络、推荐系统。例如，Neo4j的Cypher查询语言可直观表达路径查询。

二、CAP理论与BASE模型

CAP理论指出，分布式系统无法同时满足一致性（Consistency）、可用性（Availability）与分区容错性（Partition Tolerance），需根据业务场景权衡取舍：

• CP系统：优先保证一致性，如HBase。在分区发生时，系统可能拒绝服务以维护数据准确性。
• AP系统：优先保证可用性，如Cassandra。允许分区期间数据短暂不一致，但持续提供服务。
• BASE模型：作为CAP的补充，强调基本可用（Basically Available）、软状态（Soft State）与最终一致性（Eventually Consistent）。例如，DynamoDB通过版本号与冲突解决策略实现最终一致性。

典型试题解析：
题目：在电商系统中，订单状态更新需强一致性，而商品浏览可接受最终一致性，应如何选择数据库？
答案：订单系统需选择CP型数据库（如HBase），确保状态变更的准确性；商品浏览可选用AP型数据库（如Cassandra），提升系统可用性。

三、分布式架构与分片策略

NoSql数据库的分布式能力是其核心优势，需掌握以下关键技术：

• 分片（Sharding）：将数据水平分割至多个节点，如MongoDB的分片集群。分片键的选择需避免热点问题，例如按用户ID哈希分片可均匀分布负载。
• 复制集（Replica Set）：通过主从复制提升可用性，如Redis的主从复制与哨兵模式。需注意同步延迟与脑裂问题。
• 一致性哈希：在动态扩缩容时最小化数据迁移，如Cassandra的虚拟节点机制。

实践建议：

• 设计分片键时，优先选择高基数字段（如用户ID），避免低基数字段（如性别）。
• 监控分片不平衡指标，及时调整分片策略。

四、查询优化与索引设计

NoSql的查询性能高度依赖索引设计，需针对不同数据模型优化：

• 键值存储：通过主键直接定位，无需索引。但需注意键的设计，例如将用户ID与业务类型拼接为复合键。
• 文档存储：支持单字段索引、复合索引与多键索引。例如，MongoDB的createIndex({name:1, age:-1})可加速按姓名升序、年龄降序的查询。
• 列族存储：通过行键与列族名组合定位数据，如HBase的get('row1', 'cf:col1')。

性能调优案例：
场景：MongoDB查询db.users.find({age: {$gt: 20}, city: 'Beijing'})响应慢。
优化方案：

1. 创建复合索引db.users.createIndex({city:1, age:1})，利用索引覆盖查询。
2. 使用投影减少返回字段db.users.find({...}, {name:1, email:1})。

五、实践应用与案例分析

结合电商场景，分析NoSql的应用：

• 商品库存管理：使用Redis的原子操作DECR实现秒杀库存扣减，避免超卖。

  # Redis库存扣减示例
  import redis
  r = redis.Redis(host='localhost', port=6379)
  stock_key = 'productstock'
  if r.decr(stock_key) >= 0:
    print('扣减成功')
  else:
    r.incr(stock_key)  # 回滚
    print('库存不足')

• 用户行为分析：使用MongoDB存储用户点击流，通过聚合管道统计转化率。

  // MongoDB聚合查询示例
  db.clicks.aggregate([
    { $match: { eventType: 'click', page: 'home' } },
    { $group: { _id: '$userId', count: { $sum: 1 } } },
    { $group: { _id: null, avgClicks: { $avg: '$count' } } }
  ]);

六、复习策略与应试技巧

1. 理论梳理：制作CAP理论、数据模型对比的思维导图，强化记忆。
2. 实践操作：在本地搭建MongoDB、Redis集群，完成分片、复制集配置。
3. 真题模拟：针对历年试题，总结高频考点（如一致性协议、索引优化）。
4. 错题归纳：建立错题本，分析错误原因（如混淆AP与CP系统）。

七、未来趋势与扩展阅读

• 多模型数据库：如ArangoDB支持键值、文档与图模型一体化。
• Serverless NoSql：如AWS DynamoDB Auto Scaling自动调整容量。
• 推荐书籍：《NoSql Distilled》《MongoDB权威指南》。

通过系统复习与实践，读者可全面掌握NoSql的核心技术，在期末考试中游刃有余，并为实际项目开发奠定坚实基础。